删除或更新信息,请邮件至freekaoyan#163.com(#换成@)

一种基于智能手机传感器数据的地图轮廓生成方法

本站小编 Free考研考试/2022-01-01

陶涛1,孙玉娥2,5,陈冬梅1,杨文建1,黄河1,3,罗永龙4,5
1(苏州大学计算机科学与技术学院 江苏苏州 215006);2(苏州大学轨道交通学院 江苏苏州 215131);3(中国科学技术大学苏州研究院 江苏苏州 215123);4(安徽师范大学计算机与信息学院 安徽芜湖 241002);5(网络与信息安全安徽省重点实验室(安徽师范大学) 安徽芜湖 241002) (ttao@stu.suda.edu.cn)
出版日期: 2020-07-01


基金资助:国家自然科学基金面上项目(61672369,61873177,61572342);网络与信息安全安徽省重点实验室开放课题(AHNIS2019003);江苏高校优势学科建设工程资助项目

A Method of Map Outlines Generation Based on Smartphone Sensor Data

Tao Tao1, Sun Yu’e2,5, Chen Dongmei1, Yang Wenjian1, Huang He1,3, Luo Yonglong4,5
1(School of Computer Science and Technology, Soochow University, Suzhou, Jiangsu 215006);2(School of Rail Transportation, Soochow University, Suzhou, Jiangsu 215131);3(Suzhou Institute for Advanced Study, University of Science and Technology of China, Suzhou, Jiangsu 215123);4(School of Computer and Information, Anhui Normal University, Wuhu, Anhui 241002);5(Anhui Provincial Key Laboratory of Network and Information Security (Anhui Normal University), Wuhu, Anhui 241002)
Online: 2020-07-01


Supported by:This work was supported by the General Program of the National Natural Science Foundation of China (61672369, 61873177, 61572342), the Open Project of Anhui Provincial Key Laboratory of Network and Information Security (AHNIS2019003), and the Priority Academic Program Development of Jiangsu Higher Education Institutions.




摘要/Abstract


摘要: 近年来,随着社会经济的不断发展,许多商业服务以及旅游出行活动对环境地图的依赖越来越大.传统的地图生成方法主要基于车辆驱动型的GPS设备进行数据的采集和路网的构建.然而该类方法存在精度低、时效性差等缺点,并且该类方法对于一些采集设备难以到达或者GPS信号弱的地带无法进行地图的构建.为了解决上述问题,提出了通过挖掘广泛普及的智能手机内部传感器数据进行地图构建的思想,并基于该思想提出了一种数据融合算法.该算法基于智能手机采集的行人步行数据,利用机器学习分类算法与信号处理技术进行行进状态的识别,采用分段机制结合动态时间规整算法进行转向情况的处理,通过融合有效状态下行进的距离数据和方向数据,最终生成局部地图轮廓.将所提算法在真实路网采集的数据上进行实验,实验结果证明了所提方法对局部地图轮廓构建的有效性以及深入挖掘传感器数据的可行性.






[1]吴宗友, 白昆龙, 杨林蕊, 王仪琦, 田英杰. 电子病历文本挖掘研究综述[J]. 计算机研究与发展, 2021, 58(3): 513-527.
[2]陈晋音, 陈奕芃, 陈一鸣, 郑海斌, 纪守领, 时杰, 程瑶. 面向深度学习的公平性研究综述[J]. 计算机研究与发展, 2021, 58(2): 264-280.
[3]于畅, 王雅文, 林欢, 宫云战. 基于故障检测上下文的等价变异体识别算法[J]. 计算机研究与发展, 2021, 58(1): 83-97.
[4]李双峰. TensorFlow Lite:端侧机器学习框架[J]. 计算机研究与发展, 2020, 57(9): 1839-1853.
[5]陈珂锐, 孟小峰. 机器学习的可解释性[J]. 计算机研究与发展, 2020, 57(9): 1971-1986.
[6]丁成诚, 陶蔚, 陶卿. 一种三参数统一化动量方法及其最优收敛速率[J]. 计算机研究与发展, 2020, 57(8): 1571-1580.
[7]贺一笑, 庞明, 姜远. 蒙德里安深度森林[J]. 计算机研究与发展, 2020, 57(8): 1594-1604.
[8]李冬梅, 张扬, 李东远, 林丹琼. 实体关系抽取方法研究综述[J]. 计算机研究与发展, 2020, 57(7): 1424-1448.
[9]蓝天, 彭川, 李森, 叶文政, 李萌, 惠国强, 吕忆蓝, 钱宇欣, 刘峤. 单声道语音降噪与去混响研究综述[J]. 计算机研究与发展, 2020, 57(5): 928-953.
[10]刘辰屹, 徐明伟, 耿男, 张翔. 基于机器学习的智能路由算法综述[J]. 计算机研究与发展, 2020, 57(4): 671-687.
[11]周文, 张世琨, 丁勇, 陈曦. 面向低维工控网数据集的对抗样本攻击分析[J]. 计算机研究与发展, 2020, 57(4): 736-745.
[12]王艳, 李念爽, 王希龄, 钟凤艳. 编码技术改进大规模分布式机器学习性能综述[J]. 计算机研究与发展, 2020, 57(3): 542-561.
[13]刘俊旭, 孟小峰. 机器学习的隐私保护研究综述[J]. 计算机研究与发展, 2020, 57(2): 346-362.
[14]陈叶旺, 申莲莲, 钟才明, 王田, 陈谊, 杜吉祥. 密度峰值聚类算法综述[J]. 计算机研究与发展, 2020, 57(2): 378-394.
[15]程光, 钱德鑫, 郭建伟, 史海滨, 吴桦, 赵玉宇. 基于散度的网络流概念漂移分类方法[J]. 计算机研究与发展, 2020, 57(12): 2673-2682.





PDF全文下载地址:

https://crad.ict.ac.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=4220
相关话题/计算机 数据 地图 江苏 网络

  • 领限时大额优惠券,享本站正版考研考试资料!
    大额优惠券
    优惠券领取后72小时内有效,10万种最新考研考试考证类电子打印资料任你选。涵盖全国500余所院校考研专业课、200多种职业资格考试、1100多种经典教材,产品类型包含电子书、题库、全套资料以及视频,无论您是考研复习、考证刷题,还是考前冲刺等,不同类型的产品可满足您学习上的不同需求。 ...
    本站小编 Free壹佰分学习网 2022-09-19
  • 适应立体匹配任务的端到端深度网络
    李曈1,马伟1,徐士彪2,张晓鹏21(北京工业大学信息学部北京100124);2(中国科学院自动化研究所北京100190)(772402345@qq.com)出版日期:2020-07-01基金资助:国家自然科学基金项目(61771026,61671451);模式识别国家重点实验室开放课题基金Task ...
    本站小编 Free考研考试 2022-01-01
  • 计算机体系结构前沿技术2020专题前言
    刘志勇1,窦勇21(中国科学院计算技术研究所北京100190);2(国防科技大学长沙410073)出版日期:2020-06-01Online:2020-06-01摘要/Abstract摘要:我们高兴地向读者推出本刊“计算机体系结构前沿技术”专题!本专题收录的6篇文章既包含不同技术领域和方向的综述,也 ...
    本站小编 Free考研考试 2022-01-01
  • 基于Spark的大数据访存行为跨层分析工具
    许丹亚1,王晶1,2,王利3,张伟功2,31(首都师范大学信息工程学院北京100048);2(高可靠嵌入式技术北京市工程研究中心(首都师范大学)北京100048);3(北京成像理论与技术高精尖创新中心(首都师范大学)北京100048)(xudanya@cnu.edu.cn)出版日期:2020-06- ...
    本站小编 Free考研考试 2022-01-01
  • 面向高通量计算机的图算法优化技术
    张承龙1,2,曹华伟1,王国波1,2,郝沁汾1,张洋1,叶笑春1,范东睿1,21(计算机体系结构国家重点实验室(中国科学院计算技术研究所)北京100190);2(中国科学院大学计算机与控制学院北京100049)(caohuawei@ict.ac.cn)出版日期:2020-06-01基金资助:国家重点 ...
    本站小编 Free考研考试 2022-01-01
  • 基于多视角RGB-D图像帧数据融合的室内场景理解
    李祥攀1,张彪1,孙凤池2,刘杰31(南开大学计算机学院天津300750);2(南开大学软件学院天津300750);3(南开大学人工智能学院天津300750)(xiangpan.li@qq.com)出版日期:2020-06-01基金资助:国家自然科学基金项目(61873327)IndoorScene ...
    本站小编 Free考研考试 2022-01-01
  • 基于Jacobi ADMM的传感网分布式压缩感知数据重构算法
    李国瑞1,孟婕1,彭三城2,王聪11(东北大学计算机科学与工程学院沈阳110819);2(广东外语外贸大学语言工程与计算实验室广州510006)(lgr@neuq.edu.cn)出版日期:2020-06-01基金资助:国家自然科学基金项目(61876205);中央高校基本科研业务费专项资金(N172 ...
    本站小编 Free考研考试 2022-01-01
  • RGNE:粗糙粒化的网络嵌入式重叠社区发现方法
    赵霞1,张泽华1,张晨威2,李娴11(太原理工大学信息与计算机学院太原030024);2(伊利诺伊大学芝加哥分校计算机科学学院美国芝加哥60607)(zhaoxiazzzz@163.com)出版日期:2020-06-01基金资助:国家自然科学基金项目(61503273,61702356);国家留学基 ...
    本站小编 Free考研考试 2022-01-01
  • 融合多元信息的多关系社交网络节点重要性研究
    罗浩1,闫光辉1,张萌1,包峻波1,李俊成1,刘婷1,杨波2,魏军21(兰州交通大学电子与信息工程学院兰州730070);2(国网甘肃省电力公司信通公司兰州730050)(luoh382@163.com)出版日期:2020-05-01基金资助:国家自然科学基金项目(61662066,61163010 ...
    本站小编 Free考研考试 2022-01-01
  • 基于多级注意力机制网络的app流行度预测
    张艺璇,郭斌,刘佳琪,欧阳逸,於志文(西北工业大学计算机学院西安710029)(zhangyixuan2014@mail.nwpu.edu.cn)出版日期:2020-05-01基金资助:国家重点研发计划项目(2017YFB1001803);国家自然科学基金项目(61772428,61725205)a ...
    本站小编 Free考研考试 2022-01-01
  • 2020数据驱动网络专题前言
    崔勇1,马华东2,陈凯3,俞敏岚4,刘洪强51(清华大学北京100084);2(北京邮电大学北京100876);3(香港科技大学香港999077);4(哈佛大学美国马萨诸塞州剑桥市02138);5(阿里巴巴杭州310023)出版日期:2020-04-01Online:2020-04-01摘要/Abs ...
    本站小编 Free考研考试 2022-01-01